【System】系统编程基础：编译和链接

参考：《程序员的自我修养：链接、装载和库》Chapter 2

一、从源代码到可执行文件

学习任何语言都是先写 Hello World，但它从源代码到输出结果中间发生了太多事情，但我们一般会笼统地说一句 “编译器将源代码编译成更底层的机器语言”。但对于进行系统编程的人来说这是远远不够的，我们必须拨开这层迷雾，仔细瞅瞅里面的门道。

从源代码到输出大致可以分为四个步骤：预处理、编译、汇编和链接。

1.1 预处理

在学习 C 语言都会学到预处理器指令（或预编译指令），如 #define、#if 和 #pragma 等。它们就是在预处理阶段被处理的指令，常见处理规则如下：

• 删除所有的 #define，展开所有宏定义；
• 处理所有条件预编译指令，如 #if、#elif、#endif 等；
• 递归处理 #include 指令，插入相应文件到预编译指令位置上；
• 删除所有注释；
• 添加文件名和行号标识；
• 保留所有的 #pragma 编译器指令，它用于指导编译器活动。

1.2 编译和汇编

编译阶段的处理参考编译原理，按顺序进行词法分析、语法分析、语义分析、源码优化、目标代码生成和目标代码优化。

词法分析是将源码切分为 Token，类型有标识符、常数、操作符等，在 Unix 系统中可以用 lex 程序实现。
语法分析通过上下文无关文法对 Token 构建语法树，在 Unix 系统中可以使用 yacc 工具。
语义分析进行静态语义分析，包括声明和类型的匹配、类型的转换，完成后语法树上被标识了类型。
源码优化若在语法树上操作通常较难，因此需要将其转为一种中间表示（IR），常见的有三地址码和P-代码。
目标代码生成和目标代码优化在后端处理。

引入中间表示后，可以将编译器分为前端和后端，前端处理与目标机器无关的中间表示，后端将中间表示转为目标代码。

编译的产物是汇编语言程序，汇编阶段再将汇编语言程序转为机器语言程序，即 .o 文件，它是二进制文件。

经过上述复杂活动后，我们将源代码文件编译成了目标代码文件，但该文件存在一个问题，目标代码中的某些变量定义在了其他模块，我们如何确定它们的地址呢？此时就需要引入链接。

1.3 链接

链接分为动态链接和静态链接，这里先讨论静态链接。链接其实就是模块间的通信问题，最常见的就是（1）模块间的函数调用；（2）模块间的变量访问。静态链接就像拼图，把不同的模块组装起来，形成一个完整的画面（功能）。

链接过程主要是两个步骤：

1. 地址与空间分配；
2. 符号解析与重定向。

其中重点是符号解析与重定向。以下面代码为例，foo 是一个外部函数，在处理时会先将 foo 函数地址置为 0，在链接时查找重定向表中 foo 的地址，再修改 0 地址为查到的地址。

int main() {
	foo();
	return 0;
}
1
2
3
4